University of Kassel
Knowledge & Data Engineering Group

Fachgebiet Wissensverarbeitung (KDE), EECS, Universität Kassel

“So wie sich Landkarten für die Navigation in Landschaften etabliert haben, untersuchen wir den Einsatz diskreter und algebraischer Strukturen für die Navigation in Wissenslandschaften.”

Das Fachgebiet Wissensverarbeitung des Fachbereichs Elektrotechnik/Informatik forscht an der Entwicklung von Methoden zur Wissensentdeckung und Wissensrepräsentation (Approximation und Exploration von Wissen, Ordnungsstrukturen in Wissen, Ontologieentwicklung) in Daten als auch in der Analyse von (sozialen) Netzwerkdaten und damit verbundenen Wissensprozessen (Metriken in Netzwerken, Anomalieerkennung, Charakterisierung von sozialen Netzwerken). Dabei liegt ein Schwerpunkt auf der exakten algebraischen Modellierung der verwendeten Strukturen und auf der Evaluierung und Neuentwicklung von Netzwerkmaßen. Neben der Erforschung von Grundlagen in den Gebieten Ordnungs- und Verbandstheorie, Beschreibungslogiken, Graphentheorie und Ontologie werden auch Anwendungen – bspw. in sozialen Medien sowie in der Szientometrie – erforscht.


Das Fachgebiet Wissensverarbeitung ist Mitglied im Wissenschaftlichen Zentrum für Informationstechnik-Gestaltung (ITeG) der Universität Kassel, im Wissenschaftlichen Zentrum INCHER der Universität Kassel und im Hessischen KI-Zentrum (hessian.AI).

Unsere neusten Publikationen

  • 1.
    Draude, C., Engert, S., Hess, T., Hirth, J., Horn, V., Kropf, J., Lamla, J., Stumme, G., Uhlmann, M., Zwingmann, N.: Verrechnung – Design – Kultivierung: Instrumentenkasten für die Gestaltung fairer Geschäftsmodelle durch Ko-Valuation, https://plattform-privatheit.de/p-prv-wAssets/Assets/Veroeffentlichungen_WhitePaper_PolicyPaper/whitepaper/WP_2024_FAIRDIENSTE_1.0.pdf, (2024). https://doi.org/10.24406/publica-2497.
    URLBibTeXEndNoteDOI
  • 1.
    Hanika, T., Hille, T.: What is the intrinsic dimension of your binary data? -- and how to compute it quickly, (2024).
    BibTeXEndNote
  • 1.
    Hirth, J., Horn, V., Stumme, G., Hanika, T.: Ordinal motifs in lattices. Information Sciences. 659, 120009 (2024). https://doi.org/https://doi.org/10.1016/j.ins.2023.120009.
    URLBibTeXEndNoteDOI
  • 1.
    Abdulla, M., Hirth, J., Stumme, G.: The Birkhoff completion of finite lattices, (2024).
    BibTeXEndNote
  • 1.
    Hanika, T., Jäschke, R.: A Repository for Formal Contexts. In: Proceedings of the 1st International Joint Conference on Conceptual Knowledge Structures (2024).
    URLBibTeXEndNote
  • 1.
    Hille, T., Stubbemann, M., Hanika, T.: Reproducibility and Geometric Intrinsic Dimensionality: An Investigation on Graph Neural Network Research, (2024).
    BibTeXEndNote
  • 1.
    Hirth, J., Hanika, T.: The Geometric Structure of Topic Models, (2024). https://doi.org/10.48550/arxiv.2403.03607.
    BibTeXEndNoteDOI
  • 1.
    Dürrschnabel, D., Priss, U.: Realizability of Rectangular Euler Diagrams, (2024).
    BibTeXEndNote
  • 1.
    Draude, C., Dürrschnabel, D., Hirth, J., Horn, V., Kropf, J., Lamla, J., Stumme, G., Uhlmann, M.: Conceptual Mapping of Controversies, (2024).
    BibTeXEndNote
  • 1.
    Hirth, J., Horn, V., Stumme, G., Hanika, T.: Ordinal Motifs in Lattices, https://arxiv.org/abs/2304.04827, (2023).
    URLBibTeXEndNote
  • 1.
    Budde, K.B., Rellstab, C., Heuertz, M., Gugerli, F., Hanika, T., Verdú, M., Pausas, J.G., González-Martínez, S.C.: Divergent selection in a Mediterranean pine on local spatial scales. Journal of Ecology. n/a, (2023). https://doi.org/https://doi.org/10.1111/1365-2745.14231.
    URLBibTeXEndNoteDOI
  • 1.
    Koyda, M., Stumme, G.: Factorizing Lattices by Interval Relations. Int. J. Approx. Reason. 157, 70–87 (2023).
    URLBibTeXEndNote
  • 1.
    Dürrschnabel, D., Hanika, T., Stumme, G.: Drawing Order Diagrams Through Two-Dimension Extension. Journal of Graph Algorithms and Applications. 27, 783–802 (2023). https://doi.org/10.7155/jgaa.00645.
    URLBibTeXEndNoteDOI
  • 1.
    Schäfermeier, B., Hirth, J., Hanika, T.: Research Topic Flows in Co-Authorship Networks. Scientometrics. 128, 5051–5078 (2023). https://doi.org/10.1007/s11192-022-04529-w.
    BibTeXEndNoteDOI
  • 1.
    Stubbemann, M., Stumme, G.: The Mont Blanc of Twitter: Identifying Hierarchies of Outstanding Peaks in Social Networks. In: Machine Learning and Knowledge Discovery in Databases: Research Track - European Conference, {ECML} {PKDD} 2023, Turin, Italy, September 18-22, 2023, Proceedings, Part {III}. pp. 177–192. Springer (2023). https://doi.org/10.1007/978-3-031-43418-1\_11.
    URLBibTeXEndNoteDOI
  • 1.
    Stubbemann, M., Hanika, T., Schneider, F.M.: Intrinsic Dimension for Large-Scale Geometric Learning. Transactions on Machine Learning Research. (2023).
    URLBibTeXEndNote
  • 1.
    Felde, M., Koyda, M.: Interval-dismantling for lattices. International Journal of Approximate Reasoning. 159, 108931 (2023). https://doi.org/10.1016/j.ijar.2023.108931.
    URLBibTeXEndNoteDOI
  • 1.
    Felde, M., Stumme, G.: Interactive collaborative exploration using incomplete contexts. Data & Knowledge Engineering. 143, 102104 (2023). https://doi.org/10.1016/j.datak.2022.102104.
    URLBibTeXEndNoteDOI
  • 1.
    Stubbemann, M., Hille, T., Hanika, T.: Selecting Features by their Resilience to the Curse of Dimensionality. (2023).
    BibTeXEndNote